基于EMD熵特征融合的滚动轴承故障诊断方法

研究了滚动轴承故障诊断单一故障信号的局限性和故障特征的非线性,从信息融合的理论出发,利用非线性动力学参数熵作为特征,提出了基于经验模态分解(EMD)熵特征融合的方法来解决滚动轴承故障诊断问题.首先将原始信号进行EMD,利用EMD的自适应多分辨率的特点计算EMD得到的固有模态函数(IMF)信号的多种熵值,然后采用核主元分析(KPCA)对提取的状态特征进行信息融合,从而得到互补的特征,最后将提取的融合特征通过支持向量机(SVM)进行故障诊断.滚动轴承故障诊断实验表明:该方法结合了EMD、信息熵理论和KPCA强大的非线性处理能力的特点,可以进行滚动轴承故障诊断.      

某3级风扇试验流场诊断及性能优化

压气机试验是检验压气机设计是否达标的重要过程,并可在原设计基础上进行优化来发掘设计的潜能。利用级间总压和壁面静压在某3级风扇第1阶段试验对级间流场进行了详细测量和级性能诊断,提出了静叶角度优化方案;通过第2阶段试验,得出了角度优化后使设计转速喘振裕度提高了7.5个百分点,达到了设计指标的结论。流场诊断技术在压气机试验中起到了关键作用。结果表明:壁面静压结合级间径向总压测量方法基本能够满足在压气机试验中性能优化的需要。     

接触特性对非连续性转子热致振动的影响

针对燃气轮机转子的非连续性结构间存在的接触特性,根据微凸体理论引入接触刚度和接触热阻的等效模型,建立了某型燃气轮机非连续性转子的动力学模型,分析了接触参数对转子稳、瞬态动力学特性的影响,研究了螺栓松动引起的转子热变形及其对转子快速启动过程中振动特性的影响.结果表明:预紧力、接触面的表面粗糙度和螺栓个数对转子临界转速有一定的影响,螺栓松动导致转子在启动过程中瞬态热变形最大达到7μm,过1阶临界转速时引起的转子最大响应幅值增大约30μm.在非连续性转子系统的热致振动特性分析当中,不应忽视接触参数、接触刚度和接触热阻的影响.      

两种空气/煤油燃气发生器富油燃烧组织方案对比

根据空气/煤油富油燃烧的特点,提出了两种空气/煤油燃气发生器富油燃烧组织方案,设计了采用钝体稳定火焰和旋流空气、二次喷注空气稳定火焰的两种燃气发生器.为了对比两种方案的点火和燃烧特性,对两种燃气发生器进行了一系列热试,结果表明余氧系数是燃气发生器最重要的工况参数.随着余氧系数的增加,燃气发生器的状态逐渐从启动失败变为中途熄火,最终呈正常启动状态.采用钝体稳定火焰的燃气发生器稳定工作的余氧系数边界为0.518,采用旋流空气和二次喷注空气稳定火焰可将该边界延伸到0.237,极大地扩大了燃气发生器的工作范围.与钝体稳定火焰的燃气发生器相比,旋流空气和二次喷注空气稳定火焰的燃气发生器的富油燃烧的燃烧效率提高了20%.两种方案结构复杂性相当,旋流空气和二次喷注空气稳定火焰的燃气发生器不需要冷却火焰稳定器,可提高燃气发生器的工作时间.      

SF6分解气的近红外在线检测技术研究

为满足SF6绝缘电气设备故障监测与预警的实际需求,分析了国内分解气检测研究现状.对比近红外与中红外吸收光谱检测技术,提出近红外吸收光谱技术在线检测的技术方案.计算分析待测气体特征谱线的吸收系数、吸收光程和电路信噪比对精度的影响,完成系统参数设计.提出SF6分解气在线检测系统方案,实现对H2S、HF和CO这3种气体测量.数据分析表明,系统检测精度优于5×10-7,表明该系统满足电力行业在线测量的需求.     

涡扇发动机气路传感器故障诊断

为了实现对某涡扇发动机传感器故障的在线诊断,提出并设计了1种基于在线贯序极端学习机的故障诊断算法。其核心思想是在定位某传感器故障后,在线建立针对该故障传感器"预学习"的信号重构算法,解决多故障混叠问题。在线信号重构算法以泛化能力指标为判定条件,利用选择策略对算法网络权值进行选择性更新,提高了故障诊断系统的实时性。以某型涡扇发动机为对象开展了传感器故障诊断与重构仿真,结果表明:该算法能够对发动机单、双传感器故障进行准确地诊断与信号重构,且具有良好的实时性。     

基于CPSO的UAV编队集结路径规划

针对多无人机编队集结路径规划问题,提出了具有合作机制的分布式协同粒子群(CPSO)算法。为了满足无人机运动学约束,采用曲率连续的PH曲线作为备选路径。基于协同进化思想提出CPSO算法,为每架无人机规划出一条满足机间协同约束的最优安全可飞行路径。仿真结果表明,规划得到的多条路径能够满足无人机运动学约束、安全性及无人机之间的协同性要求;相比于协同进化遗传算法,CPSO算法搜索成功率更高,稳定性更好。     

基于UKF的双机协同纯角度目标定位路径规划

针对三维空间双机协同定位问题,在无迹卡尔曼滤波的基础上,提出一种规划双机路径的方法。首先,利用双机探测得到的方位角和俯仰角信息,并结合无迹卡尔曼滤波算法估计目标的状态;在此基础上根据交互信息理论提出指标函数的概念,以指标函数最大为轨迹优化的最优性能指标,将问题转化为求双机控制量的最优解;最后,采用遗传算法求解双机的控制量,得到比较合理的双机飞行路径。仿真结果表明,通过最大化指标函数可以有效地规划双机路径,且具有更高的精度和速度。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

气旋现象对气体静压轴承微振动影响的实验

气体静压轴承是气浮系统的重要组成元件,其气膜自激微振动会降低气浮系统的工作精度和刚度特性。为了进一步提高气体静压轴承的工作精度和稳定性,在分析轴承内部气膜波动形成机理的基础上,开展了数值计算及实验研究。不仅验证了气旋分布规律和气旋中心压降的存在可靠性,并且有力证明了气膜支撑区域内沿流动方向存在的分区现象。结合实验进一步分析了影响高压区气旋强度和分布位置的可能因素。结果表明:供气压力、供气孔径和气腔结构都分别对气旋的位置和强度有各自不同的影响规律;而主气旋的核心位置和内外压差造成的压力脉动又会直接决定气体静压轴承微振动的强度和频率特征。